การเรียนรู้ที่ไม่ได้จัดการ คือสาขาการเรียนรู้ของเครื่อง ที่เกี่ยวข้องกับการฝึกอัลกอริทึมบนข้อมูลที่ยังไม่ถูกกํากับ สามารถใช้ในการเพิ่มเทคนิคการบีบข้อมูลภาพได้โดยการค้นหารูปแบบและลักษณะต่าง ๆ โดยยังไม่มีการกําหนดค่าต่าง ๆ ในปัจจุบัน แนวทางนี้จะช่วยให้กระบวนการบีบอัดภาพมีประสิทธิภาพมากขึ้น ซึ่งสามารถปรับตัวเข้ากับโครงสร้างภาพได้โดยพื้นฐาน

การ เข้าใจ การ เรียน รู้ ที่ ไม่ ได้ ควบคุม

ในการเรียนรู้โดยไม่ถูกควบคุม รุ่นวิเคราะห์ข้อมูล เพื่อระบุความคล้ายคลึงและกลุ่มต่างๆ ไม่เหมือนกับการเรียนรู้ที่ควบคุมได้ มันไม่อาศัยชุดข้อมูลกํากับเทคนิคทั่วไป

นํา การ เรียน รู้ ไป ใช้ ใน การ บีบ อัด ภาพ โดย ไม่ มี ผู้ ควบคุม

อัลกอริทึมที่ไม่สามารถจัดการได้ สามารถเรียนรู้คุณสมบัติที่สําคัญของภาพ เช่น เนื้อและขอบได้ โดยการวิเคราะห์การสะสมภาพจํานวนมากที่ยังไม่ถูกกํากับ คุณสมบัติเหล่านี้สามารถใช้ในการสร้างการแสดงแบบกะทัดรัดได้ง่ายขึ้น โดยลดขนาดแฟ้ม ในขณะที่ยังคงรักษาคุณภาพอยู่

เทคโนโลยี เช่น เครื่อง อัตโนมัติ มี ประสิทธิภาพ มาก พวก เขา บีบ รูป ภาพ ให้ เข้า ไป ใน อวกาศ ชั้น ล่าง และ สร้าง ขึ้น ใหม่ โดย เสีย ค่า เสีย หาย น้อย ที่ สุด.

ผล ประโยชน์ และ ข้อ ท้าทาย

การ ใช้ การ เรียน รู้ เพื่อ การ บีบ ภาพ โดย ไม่ ได้ ควบคุม ให้ ได้ รับ ประโยชน์ เช่น การ ปรับ รูป ภาพ ให้ เข้า กับ รูป แบบ ต่าง ๆ และ ลด ความ จําเป็น ที่ ต้อง ได้ รับ ข้อมูล ที่ ติด ป้าย ไว้.

  • ปรับสัดส่วนการบีบอัดข้อมูล
  • ลดความเชื่อถือบนชุดข้อมูลกํากับ
  • ความสามารถที่จะเรียนรู้คุณสมบัติที่ซับซ้อน
  • เป็นไปได้ว่าสําหรับโปรแกรมที่ใช้งานได้จริง